Please enable JavaScript.
Coggle requires JavaScript to display documents.
人工智慧一詞最早由John McCarthy 1955年
1950年代，使電腦具有人類的知識與行為，並具有學習、推理，應用領域包刮專家系統、機器人…
人工智慧一詞最早由John McCarthy 1955年
1950年代，使電腦具有人類的知識與行為，並具有學習、推理，應用領域包刮專家系統、機器人、自然語言處理、機器視覺、機器翻譯、語音辨識、機器學習等
(Artificial Neural Networks,ANN)類神經網路
McCulloch 與Pitts (1943年發展)
模擬交互鍵結的神經元，進行類似人類學習的行為
針對不同問題，類神經網路訓練時所應用之學習法則也有所差異，學習演算法一般可分為監視式(Supervised)與非監督式學習(Unsupervised)，前者通應用於求解型態判別(pattern classification)，後者多應用於求解群落分析問題
Hopfield類神經網路
(Hopfield,1982)
倒傳遞類神經網路BP
(Rumelhart et al.,1986)
為多層感知器MLP加上EBP組合稱為倒傳遞類神經網路又稱反向傳播演算法
(Back Propagation Neural Networks, BPNN)
常被使用資料處理、預測及資料壓縮
-
期貨股市趨勢、債券的信用評等
(Dutta & Shekhar,1988)
河川水位預測
(Leahy et al.,2008)
反傳遞類神經網路CPN
(Hecht-Nielsen,1987)
應用於圖形分類、函數近、統計分析及資料比對。適合非線性時間序列的預測
Neochgnitron類神經網路
(Fukushima,1988)
GMDH類神經網路
(Chang&Huang,1999)
RNN回饋式類神經網路
(Chang et al.,2001)
RPF類神經網路
(Chang&Chen,2003)
調適性網路模糊推論系統(Jang,1993)
(Adaptive-Network-Based Fuzzy Inference System,ANFIS)
Fuzzy Inference System 為主題結合類神經網路所架構之類神經網路模式
馬達故障偵測系統
(Altug et al.,1999)
動態電力負載系統
(Djukanovic et al.,1997)
-
Zadeh 學者(1965, 1973)提出模糊集合(Fuzzy sets)與模糊邏輯理論(Fuzzy logic)
模糊理論藉由數學模型來描述語意式多元複雜的現象，不在以二分法決定真偽，而是利用隸屬函數(Membership Function)的觀念。模糊理論可處理人類的知識與邏輯推論過程中語意式的分析。可應用於家電系統、圖形辨識、語音辨識、模糊邏輯系統，決策系統
-
機器學習(Machine Learining)
深度學習(Deep Learning)
深度學習將複雜的資料經過多層的隱藏層進行多重線性或多重非線性運算而自動產生代表資料特性的特徵。
傳統的方法會發生過度擬合(Overfit)的現象(Zheng,Chen,& Xu ,2013)且機器的學習能力會受限於隱藏層的數量(Utgoff & Stracuzzi,2002)。
深度學習實際使用多於三層的神經網路，被稱為深度神經網路(Deep Neural Network,DNN)，
卷積神經網路(Convolutional Neural Network, CNN)
遞迴神經網路(Recurrent Neural Network,RNN)。多被用於自然語言處理(Nature Language Processing, NLP)、圖像辨識和聲音辨識
生成對抗網路(Generative Adversarial Network, GAN)
-
